BaşlayınÜcretsiz başlayın

Kümeleri görselleştir

Bu noktaya kadar, gözlemleri kümeleri temsil eden elipslerle birlikte çizebilmek için gereken her şeye sahibiz.

Ayrıca, her bir gözlemi iki kümeden birine atamak istersek clusters() fonksiyonunu kullanabilir ve sonuçları gerçek etiketlerle karşılaştırabiliriz. Hatırlatmak gerekirse, verileri kümelerken sadece Weight değişkenini kullandığımızda, 4500 kadın ve 4556 erkeği doğru tahmin etmiştik. Ek bir değişkeni dahil ettiğimizde kümeleri daha iyi ayırıp ayıramayacağımıza bakalım.

Bu egzersiz, kursun bir parçasıdır

R ile Karışım Modelleri

Kursa Göz Atın

Egzersiz talimatları

  • Weight ve BMI için saçılım grafiği oluşturmak üzere geom_point() kullan. Bu grafiğe geom_path() fonksiyonuyla ellipses_comp_number içinde kayıtlı iki elipsi ekle.
  • Elipslerin bir data frame'e dönüştürülmesi gerektiğini unutma.
  • Küme 1'i kırmızı, küme 2'yi mavi renkle göster.
  • Gender değişkeninde saklanan gerçek etiketlerle clusters tarafından tahmin edilen etiketleri karşılaştıran bir frekans tablosu oluştur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Plot the ellipses
gender %>% 
  ggplot(aes(x = ___, y = ___)) + ___()+
  geom_path(data = data.frame(ellipse_comp_1), aes(x=x,y=y), col = "___") +
  geom_path(data = data.frame(ellipse_comp_2), aes(x=x,y=y), col = "___")
# Check the assignments
table(gender$Gender, clusters(fit_with_cov))
Kodu Düzenle ve Çalıştır